TimesFM.

Welche Informationen am Tag der Prognose bekannt waren

Ein im Voraus bekannter Feiertagskalender kann bei der Prognose der Wochenumsätze eines Geschäfts helfen. Der Abschlussbericht einer künftigen Aktion gehört dagegen nicht in eine historische Prognose. TimesFM prognostiziert aus Vergangenheitsdaten. Manche Versionen akzeptieren zusätzliche Kovariaten. Unterscheiden Sie vor dem Test Variablen, die nur für die Vergangenheit beobachtet wurden, von Merkmalen, die über den Prognosehorizont hinweg bekannt sind. Ein Informationsleck aus der Zukunft lässt die Ergebnisse zu gut aussehen und ist wichtiger als die Feinabstimmung des Modells.

Ausbildung an mehreren Terminen

Nehmen Sie eine Reihe von Tagesverkäufen und fixieren Sie einige vergangene Daten, für die Sie die Prognose reproduzieren müssen. Schneiden Sie für jedes Datum alle nachfolgenden Verkäufe aus und halten Sie den Horizont gleich. Vergleichen Sie das Ergebnis der TimesFM mit der Zahl für den gleichen Tag der Vorwoche. Überprüfen Sie dann, ob das Hinzufügen eines bekannten Kalenders den Fehler für normale Wochen und Feiertage separat ändert.

Das Intervall ist für die Lösung

Wenn die verwendete Version Quantile zurückgibt, sehen Sie, wie oft die tatsächlichen Werte zwischen die ausgewählten Grenzen fallen. Ein zu breites Intervall kann fast alle Tage umfassen, hilft jedoch wenig bei der Bestandsplanung. Überprüfen Sie, ob die Streuung in den Reihen mit Lücken oder einem starken Nachfragewechsel zunimmt. Speichern Sie die Version der Waage, die Art und Weise, wie Pässe verarbeitet werden, und den Abschneidepunkt der Reihe. Das erneute Ausführen muss dieselben Informationen verwenden, die zu jedem Zeitpunkt der Überprüfung verfügbar waren. Notieren Sie sich die Perioden, in denen der Kalender nicht geholfen hat.

Für welche Aufgaben geeignet

• Vergleichen Sie die wöchentlichen Verkaufsprognosen auf mehreren früheren Daten
• Überprüfen Sie den Einfluss des bekannten Kalenders